谷歌推出了可驱动从手到脚的全身机器人的人形机器人(形似人类的机器人)人工智能(AI)模型。业界评价认为,该模型尤其在最难的手指动作上部分实现突破,印证了模型的进化。
谷歌DeepMind于30日(当地时间)公开了人形机器人视觉语言行动(VLA)模型“Gemini Robotics 2”。整合处理视觉、自然语言与物理行动的VLA,可帮助机器人像人一样直观行动。它是能适用于各种机器人的通用模型。
与上一代模型不同,Gemini Robotics 2不仅可实现上半身机器人,还能驱动全身机器人。与在原地进行超过100小时快递分拣作业而引发关注的Figure AI机器人不同,它能用双腿移动并完成更多样的作业。
将新模型应用于机器人企业Apptronik的全身机器人“Apollo 2号”后,它还执行了“把货架最下层的洒水壶放进绿色垃圾桶”这类复杂指令。在货架取物(76.3%)、桌面取物(68.4%)等方面显示出70%左右的准确度。其中需要高难度动作的地面取物,准确度仅为45.7%。谷歌评价称:“在移动速度上仍有许多需要改进之处,但已到达掌握执行需动用全身的复杂作业所需技术的重要阶段。”
搭载Gemini Robotics的机器人还展示了手指技术。不过作业准确度差异较大。为Apollo装上机器人企业Sharpa的手指后,取下灯泡作业的准确度高达92%,而装灯泡(36%)、系垃圾袋(44%)、簸箕(32%)、封拉链袋(40%)均不足一半。不过,用夹持机器人“Franka Duo”测试的结果显示,取放物品(74.2%)、工具操作(78.9%)、精密插入作业(89.6%)的准确度较高。谷歌分析称:“全身机器人与夹持机器人在精细作业中显示出较高成功率,但使用手指的精细操作仍是难题。”
谷歌还公开了用于推理、预测作业开始与结束的Gemini Robotics ER2。其解释称,要与人沟通并实现机器人之间协作,推理能力十分重要。谷歌还推出了无需联网即可运行的Gemini Robotics On-Device 2。
在人形机器人领域,美中采取了不同战略。中国采取同时开发硬件与配套软件的战略,而美国则专注于构建相当于大脑的通用模型。因为只要拥有通用模型,就能获得多样的硬件客户。英伟达运营“Isaac GR00T”,Figure AI运营“Helix”等VLA模型。市场调查机构Caisor Research预计,2035年VLA市场将增长至405亿美元(约58万2630亿韩元)。《时代》杂志称:“尽管宇树等企业正在快速推进人形机器人硬件发展,但真正的竞争来自作为机器人大脑的VLA模型。”






